91,4 % puis 38,6 %. Meme systeme, meme publication.

91,4 %. Puis 38,6 %. Même système, même publication. 🔀 AVA est un assistant de consultation bâti sur GPT-4, adossé à une base de 244 maladies et 464 symptômes validée par des vétérinaires. Sur des dossiers générés et bien structurés, il atteint 91,4 % d'exactitude. Confronté à de vraies notes cliniques, celles qu'on tape entre deux consultations, il tombe à 38,6 %. 🩻 Deuxième cas dans la même revue. Un logiciel de radiologie entraîné sur plus de 3 000 cliniques dans 10 pays annonce 92,7 % d'exactitude sur les images peu ambiguës. Sa sensibilité face à des radiologues diplômés : 57,8 %. 📉 L'écart change la nature de l'outil. Sur les 22 études recensées par cette revue systématique, deux seulement ont atteint un déploiement réel en clinique. ⚠️ Et l'article mérite la même exigence que les outils qu'il évalue. Son texte annonce 22 études incluses, son diagramme PRISMA en compte 20. Le tri et l'extraction ont été faits par une seule personne. La grille de qualité a été bâtie pour l'occasion. Bonne carte du territoire, chiffres à manier avec précaution. 🧭 J'ai rassemblé tout cela dans une page interactive : un interrupteur pour passer des chiffres publiés aux chiffres de terrain, la répartition des 22 études par espèce et par modalité, les sept verrous d'adoption, et ma lecture critique de la publication. ✅ L'IA identifie une piste, le vétérinaire pose le diagnostic. Et un chiffre annoncé n'engage que celui qui le lit sans vérifier dans quelles conditions il a été obtenu. 📚 Référence : Polapragada S. (2026). « AI applications in veterinary digital health: a systematic survey ». Frontiers in Veterinary Science, 13, 1853395. https://doi.org/10.3389/fvets.2026.1853395 👉 La page est ici : https://claude.ai/public/artifacts/9059d21c-fc1c-4eee-a476-b8dbebfb9b85